算力超週期系列 · 產業框架 · ISSUE #146
模型會自己寫程式、CUDA 護城河要破了？這句做空 NVIDIA 的話，打錯了地方
CUDA 護城河確實鬆了一半，但真正鎖住 NVIDIA 的從來不是 CUDA，是全世界的開源模型都長成了 GPU 的形狀。
所有人都在傳同一句做空 NVIDIA 的話：模型現在會自己寫程式了，CUDA 護城河要破了。連 Sequoia 的合夥人 Sonya Huang 都在訪談裡這樣問 Dylan Patel。他的回答不是點頭，是「你搞錯了要破的是什麼」。CUDA 護城河確實鬆了一半，但真正鎖住 NVIDIA 的從來不是 CUDA。看懂這個差別，你就不會拿錯的理由，去做空一家還握著隱形護城河的公司。
🗣️那個正在流傳的做空論述
先把這套論述講清楚，因為它聽起來很有道理。在 Sequoia 的訪談裡，Sonya Huang 把市場過去半年的敘事轉變攤開來問：
- 模型現在很會寫程式，Claude、Codex 這類工具能做掉不少底層核心程式的優化苦工
- 模型公司不再那麼在乎 CUDA 相容性，需要就自己寫、要換別家晶片也認了
- 全世界認真的模型公司只有大約 10 家，不是幾萬個都非 CUDA 不可的客戶
結論很直接：既然 CUDA 相容性不再是門檻，那 NVIDIA 靠 CUDA 建起來的護城河就要鬆動了，該看空。
這套論述哪裡對？Dylan 自己承認了一半。他說 CUDA 護城河、或者說軟體護城河，確實至少部分瓦解了，因為模型真的很會寫程式，在這個前提下所有軟體都會被商品化。換句話說，如果 NVIDIA 的護城河真的只是「寫 kernel 很難、只有我懂」，那這條護城河確實在被填平。
問題是，它從來不只是這個。
🔒真正的鎖不是 CUDA，是模型長成了 GPU 的形狀
Dylan 的關鍵修正在這裡：大家口中的「CUDA 護城河」，真正鎖住人的那一部分，其實跟寫不寫 CUDA 沒什麼關係。它鎖的是一件更隱形的事，全世界的開源模型，都長成了 GPU 的形狀。
DeepSeek、Kimi、智譜、阿里、騰訊、小米，這些最多人用的開源模型，全都是為 GPU 共同設計的。它們的內部結構，也就是每個專家模組多大、隱藏維度怎麼排，都是照著 NVIDIA 晶片的脾氣長出來的。於是下游那一大票公司，做推論 API 的、做強化學習客製的，只要想用這些現成的強力開源模型，就被迫買 NVIDIA，即使他們根本不在乎自己要不要寫一行 CUDA。用 Dylan 的話說：這不是 CUDA 鎖定，是模型內部專家模組維度與隱藏維度的鎖定。
把新舊兩種護城河擺在一起，就看得出市場打錯了地方：
| 對照面向 | 舊護城河，市場以為的 | 新護城河，真正鎖住的 |
|---|---|---|
| 鎖定來源 | CUDA 軟體黏性、寫 kernel 的難度 | 開源模型全長成 GPU 的形狀 |
| 誰被鎖住 | 每一個要寫 CUDA 的開發者 | 用開源模型的推論商、強化學習客製公司 |
| 會被「模型會寫程式」破解嗎 | 會，正在鬆 | 不會，模型愈強、形狀鎖愈深 |
| 真正的破解條件 | 模型會自己寫 kernel，已經發生 | 要有人養出為別的晶片而生的強開源模型 |
這個形狀鎖有多大？看下載量就知道。這些為 GPU 而生的中國開源模型，正是全球開源生態的主力：
- 中國開源模型累計下載已經突破 100 億次
- Hugging Face 統計，過去一年約四成的大型語言模型下載，來自中國開發的模型
- 阿里的 Qwen 家族，累計下載已經超越 Meta 的 Llama；一份 MIT 與 Hugging Face 的研究更指出，中國開源權重模型佔全球下載 17.1%，在截至 2025 年 8 月的一年裡，首度超過美國的 15.86%
這四成下載裡，最多人用的那批正是為 GPU 形狀而生。它們每被下載一次、被拿去做一次商用部署，就替 NVIDIA 的隱形護城河多釘一根樁。這才是空頭拿「模型會寫 kernel」打不到的地方。
⚡護城河確實在鬆：TPU、Trainium 正在咬
但這篇不是要你無腦做多 NVIDIA。誠實地說，護城河確實有在被侵蝕的一半，而且證據是實打實的。
最有意思的一個案例，恰恰來自 NVIDIA 自己的軟體優勢。SemiAnalysis 記錄過：在 72 天內，僅僅靠軟體優化，用 CuTe-DSL 重寫 NVFP4 的 MoE kernel、吃滿 NVL72 銅背板 18 倍的頻寬，GB200 NVL72 服務 Kimi 這種模型的成本就砍掉 2.5 倍。這件事有兩面。一面證明 NVIDIA 的軟體護城河是真的，能榨出別人榨不出的效能；另一面卻也證明，這種優化是純軟體的，是可以被複製、被追上的東西。
同一個方向的證據還有：
- CUDA 護城河正被 TPU 與 Trainium 逐步侵蝕，連 Anthropic 的 Claude Code，推理已經有相當比例跑在 Trainium 上，不在 NVIDIA 卡上
- 真正的大實驗室，早就自己 fork 了 PyTorch 或自建整套軟體堆疊，選硬體看的是協同設計後的總成本，CUDA 相容性對它們早已不是門檻
所以做空論述不是全錯，是打錯了位置。它瞄準的「軟體黏性」那一半，確實在鬆；它完全沒碰到的「生態形狀」那一半，還很硬。空頭與多頭都該把底層機制換掉：別再爭 CUDA 好不好寫，要盯的是開源模型為誰的形狀而生。
🛡️Google 的反擊：自己養一套開源模型生態
如果護城河的核心是「開源模型的形狀」，那破解它的方法就浮出來了，不是讓模型更會寫 kernel，是養出一批為別的晶片而生的強開源模型。而全世界最有能力、也最有動機這麼做的，就是 Google。
Dylan 講得很直接：Google 的反制就是自建開源模型生態，也就是 Gemma。這個機制是對稱的，如果 Google 開源出夠強的模型，同樣的生態形狀邏輯會反過來運作，把用戶推向 TPU。因為 Google 手上握著另一件武器，它同時在跑三條不同架構的 TPU 設計線，博通一條、聯發科（2454）一條、還有一條沒揭露，自研加速器的規模與決心都在。
而 Gemma 不再只是投影片上的口號，它是一個已經跑起來的生態：
- Gemma 全世代累計下載逾 4 億次，部分口徑已逾 5 億次，社群自建的變體超過 10 萬個，Google 自己叫它 Gemmaverse
- 最新的 Gemma 4，31B 模型在 Arena AI 文字排行榜上是全球開源第 3、26B 排第 6
- Gemma 4 採 Apache 2.0 授權、2026 年 3 月發布，商用門檻低
把這條線接起來看：中國開源模型的四成下載是 NVIDIA 護城河的地基，那 Google 的 Gemma 就是唯一有機會從地基下面抽磚的人。這也是為什麼「護城河會鬆的那天」，訊號不是「模型會不會寫 kernel」，是「Google 開源模型的下載量與強度，有沒有追上來」。
🗺️那到底該怎麼看 NVIDIA 這條護城河
把三段合起來，就得到一張比「CUDA 好不好寫」精細得多的地圖。市場的每一句看空，其實打在護城河的不同位置，效果天差地別：
| 看空論述 | 打到的是護城河哪一半 | 有沒有效 |
|---|---|---|
| 模型會自己寫 kernel、CUDA 相容不再重要 | 軟體黏性那一半 | 半對，那一半確實在鬆 |
| 只有約 10 家模型公司、不需要幾萬 CUDA 客戶 | 軟體黏性那一半 | 半對，同上 |
| TPU、Trainium 更省、大廠推理在遷移 | 生態形狀那一半的邊緣 | 是真訊號，但侵蝕得慢 |
| Google 開源模型變強、把用戶拉向 TPU | 生態形狀那一半的核心 | 這才是致命的，但還沒發生 |
對照到選股，這張地圖給的不是「買或賣」，是「盯對地方」。三檔標的各站在護城河的不同位置：
NVIDIA：護城河的守方，真正來源是模型生態形狀
護城河真正來源是模型生態形狀鎖定、不是 CUDA 軟體黏性。
Broadcom：自研 ASIC 背後的共同設計軍火商
賣的正是「難以複製的軟體與整合門檻」。
Google：TPU 護城河的攻方，也是領先指標
Gemma 生態戰，是判斷 NVIDIA 護城河何時真鬆的領先指標。
為什麼這對散戶重要。散戶不該是最後一個知道的人。「模型會寫程式所以 CUDA 完蛋」這種話聽起來很內行，最容易讓人拿著一個半對的理由就去做空一家還握著隱形護城河的公司。這篇要給的不是「NVIDIA 一定漲」，是一副看空要看對地方的眼鏡：先問這句看空打在護城河哪一半，再決定它值不值得你下注。
⚠️風險與注意事項（必讀）
🧭研究結論與追蹤框架
核心結論：NVIDIA 的護城河有兩半，市場一直在打「CUDA 軟體黏性」那一半、而它確實在鬆，真正還很硬的是「開源模型全長成 GPU 形狀」那一半，它會不會鬆、要看 Google 的 Gemma 能不能養出對手。盯這幾條線，數據往哪走、就知道方向：
| 追蹤軸 | 往一個方向 | 往另一個方向 |
|---|---|---|
| 中國開源模型的下載主導度 | 若為 GPU 形狀而生的開源模型續佔 Hugging Face 下載大宗 → 偏多 NVIDIA：生態形狀護城河續硬 | 若為 TPU 或其他晶片而生的強開源模型崛起分食下載 → 偏空 NVIDIA 護城河：鎖定機制開始鬆動 |
| Google Gemma 生態的強度 | 若 Gemma 續衝排行榜前段、變體生態持續擴大 → 偏多 Google、施壓 NVIDIA 護城河：TPU 生態攻方得分 | 若 Gemma 停在「有但不夠強」 → 偏多 NVIDIA：Google 反擊未成、形狀鎖維持 |
| 自研 ASIC 的軟體成熟度 | 若自研 ASIC 陸續跨過軟體門檻、跑得動主流開源模型 → 偏空 NVIDIA 通用溢價：99% 失敗率被打破 | 若 99% 失敗率延續、軟體堆疊難產 → 偏多 NVIDIA 與 Broadcom：軍火商與通用算力雙贏 |
| 大實驗室的推理硬體分流 | 若 Claude Code 型推理續往 Trainium、TPU 遷移且範圍擴大 → 偏空 NVIDIA 推理份額：軟體黏性那半持續鬆 | 若遷移停在特定工作負載、訓練與長尾仍靠 GPU → 中性：護城河鬆動有頂 |
| 市場看空的焦點 | 若市場繼續拿「模型會寫 kernel」打 NVIDIA → 當雜訊：打錯位置、真護城河沒被碰到 | 若市場轉盯「Google 開源模型變強」 → 認真對待：這才是形狀鎖鬆動的真訊號 |
📋一頁速看（給沒時間的人）
五條帶走
- 市場流傳的做空 NVIDIA 論述「模型會自己寫 kernel、CUDA 護城河要破」只對一半，Dylan Patel 說真正鎖住 NVIDIA 的從來不是 CUDA。
- 真護城河是「開源模型全長成了 GPU 的形狀」：DeepSeek、Kimi、Qwen 這些模型為 GPU 共同設計，下游想用就得買 NVIDIA，即使根本不寫 CUDA。
- 規模證據：中國開源模型累計下載破 100 億次、佔 Hugging Face 約四成，這四成幾乎全是 GPU 形狀。
- 護城河確實在鬆的是「軟體黏性」那一半：72 天純軟體優化就讓服務成本降 2.5 倍、Claude Code 推理相當比例已跑 Trainium，證明軟體優勢可被複製、可被繞過。
- 它真正會鬆的訊號不是「模型會寫 kernel」，是「Google 的 Gemma 能不能養出為 TPU 而生的強開源模型」；Gemma 已累計下載逾 4 億次、Gemma 4 排上全球開源前段。
這條「軟硬體協同設計」的線還沒走完。同一場訪談裡，Dylan 還拆了 Google 為什麼要同時養三條不同架構的 TPU、以及這對博通到底是利多還是長期壓力，之後我們會把「TPU 三條設計線」單獨拉出來講。在此之前，可以先回頭讀本系列的前一篇，AI 的錢是照一條曲線算的，它跟本篇是同一場訪談的一體兩面。內部人申報與機構持倉變化也會持續進到 Trend Core 的 NVDA 個股頁。
📚來源與參考
本文每個關鍵論點都有對應公開來源、按權威分三級列出。所有連結均為原始公司官方、產業專業媒體或財經媒體分析，不引用散戶論壇或無來源 blog。
第一級公司官方加上 SEC 主要文件
- Gemma 4: Expanding the Gemmaverse with Apache 2.0（Google 官方開源部落格，Gemma 生態下載量、變體數、授權與定位）
- Gemma - Google DeepMind（Google DeepMind 官方 Gemma 模型頁）
第二級產業專業媒體加上分析師報告
- What's next for Chinese open-source AI（MIT Technology Review，中國開源模型的全球下載主導與 Hugging Face 佔比）
- China open-source AI models surpass 10 billion downloads（CGTN，中國開源模型累計下載破百億次）
- Nvidia Remains Dominant in a Host of AI Workloads（Morningstar 2026-05-21 研報，NVIDIA 寬護城河、公允價值 280 美元、來源為 GPU 無形資產加 CUDA 轉換成本；第三方估值錨、未驗證）
第三級財經媒體與 KOL 訪談
- Dylan Patel of SemiAnalysis: Why Hardware-Software Co-Design Is AI's Real 100x（Sequoia Capital「Training Data」節目，本文 CUDA 護城河二分、開源模型形狀鎖、Google Gemma 反制的主要來源）
- SemiAnalysis Newsletter（99% 自研 ASIC 失敗論與 72 天軟體優化讓 GB200 服務 Kimi 成本降 2.5 倍的原始研究）
數據股價與目標價來源
- NVIDIA 公允價值 280 美元：Morningstar 2026-05-21 研報（第三方、未驗證）
- 開源模型下載量、Arena 排行榜：Hugging Face、LMArena 公開統計，時間敏感、以最新公布為準
- 本文未引用即時股價，提及公司僅為說明護城河位置
方法事實核查方法論
本文核心框架「CUDA 護城河的軟體黏性 vs 生態形狀二分」出自 Dylan Patel 於 Sequoia「Training Data」節目的公開訪談，屬單一來源觀點，正文已逐處標明「依 Dylan Patel」「依 SemiAnalysis」。護城河「正在鬆」的一半以 SemiAnalysis 的 72 天 Kimi 優化與 Trainium 遷移交叉；「還很硬」的一半以中國開源模型下載占比、Gemma 生態規模等公開統計佐證，這些數字均以 2026-07-04 檢索的 MIT Technology Review、CGTN、Google 官方部落格為出處。NVIDIA 護城河評等引用 Morningstar 第三方研報，明確標示為未經本站驗證的第三方觀點。
系列內部對讀
- 算力超週期系列 07：市場還在問缺不缺 GPU，但 AI 的錢是照一條曲線算的（同一場訪談的一體兩面：推論定價的母曲線）
- 算力超週期系列 06：NVIDIA 如何用 GPU 配額權力，決定 neocloud 的生死（NVIDIA 用配額與資本雙槓桿反制加速器多元化，與本篇的生態形狀護城河互為表裡）